T-SPMe模型：面向电动汽车BMS的锂离子电池电化学-热状态估计方法

《IEEE Open Journal of Vehicular Technology》：A Two-State Core–Surface Enhanced Single Particle Model for Real-Time Thermal Gradient Estimation of Lithium-Ion Batteries in Electric Vehicles

　　

摘要：

准确估计锂离子电池内部温度分布对于确保电动汽车中电池的安全性、性能和使用寿命至关重要。然而，传统的降阶电化学模型通常假设电池温度均匀分布，无法准确预测径向热梯度，而高保真伪二维（P2D）模型在计算上仍不适合实时电池管理系统（BMS）使用。本文提出了一种具有电解液动力学的双状态核-表面增强单颗粒模型（T-SPMe），用于电动汽车BMS中锂离子电池的计算高效电化学-热状态估计。该框架将降阶SPMe电化学模型与代表核温度和表面温度的双节点热网络相耦合，同时通过电化学热生成以及依赖阿伦尼乌斯效应的传输和动力学参数实现双向电化学-热反馈。该模型在?20°C至45°C、0.5C至3C工况下与高保真P2D参考模型进行了基准对比，终端电压RMSE保持在23 mV以下，核温度RMSE保持在0.85°C以下。在25°C下对商用3.0-Ah 18650 NMC/硅-石墨电芯进行实验验证，在0.5C和1C工况下，电压RMSE分别为5.12 mV和6.10 mV，表面温度RMSE分别为0.034°C和0.071°C。在US06工况、2C恒流快充以及25°C至45°C环境温度阶跃下的额外数值测试中，电压/核温度RMSE分别为10.92 mV/1.22°C、8.35 mV/0.66°C，以及0.91°C的核温度RMSE。该15状态模型的计算时间比P2D模型降低约199倍，展示了在多种工况下以低计算复杂度准确估计电压、表面温度、核温度和内部热梯度的能力，支持了其在电动汽车中实现潜在实时BMS应用的可行性。